Yield and utility of surveillance kidney biopsies in pediatric kidney transplant recipients at various time points post‐transplant
Notice bibliographique
Résumé
BACKGROUND: Due to a lack of consensus on SB for pediatric kidney transplant recipients, we evaluated the yield and clinical utility of SB findings at various time points post-transplant. METHODS: Patients transplanted at a single institution between 2014 and 2020 with at least one SB at 1.5, 3, 6, 12, and 24 months post-transplant were included. Additional biopsies were done for indication (IB). TCMR was classified by Banff criteria (score ≥i1t1). RESULTS: Forty-seven patients had 142 biopsies (SB = 113, IB = 29); 19 (40.4%) of whom experienced at least one TCMR episode in the first-year post-transplant. The greatest SB yield of any pathologic abnormality was at 6 months (57.1%; P < .001). Six months also had the highest yield for TCMR (42.9%), compared with 3.3%, 20.8%, 15.0%, and 9.1% at 1.5, 3, 12 months, and 24 months, respectively (P = .003). SB instigated intensification of immunosuppression (28.3% cases), reduction of immunosuppression (2.7% cases), and other non-immunosuppressant changes (1.8% cases). The 6-month SB led to the greatest number of changes in management (53.6%), compared with 1.5, 3, 12, and 24 months (13.3, 20.8, 25.0, and 36.4%, respectively; P = .012). There were no major biopsy-related complications. CONCLUSIONS: SBs identify an important burden of subclinical rejection and other pathology leading to changes in clinical management. The greatest yield was at 6 months, whereas the least utility was at the 1.5 months. Selection of SB timing may be tailored such that the optimal yield is balanced against the procedural risk.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».